التنبؤ بظاهرة النينيو لموسم أو عام مقدمًا أمر مهم للزراعة والطاقة والتحذير من الكوارث الطبيعية حول العالم. تُظهر الشبكات العصبية العميقة نتائج جيدة لكنها تتطلب آلاف السنين من البيانات النموذجية التي تحمل أخطاء منهجية من النماذج المناخية. النماذج العكسية الخطية (LIM) تُدرَّب على سلاسل ملاحظات قصيرة وتعطي تنبؤًا مشابهًا للنماذج التشغيلية لكنها لا ترى العمليات غير الخطية. هذا العمل يقف إلى جانب دراسات حول التنبؤ بالنينيو قبل عام ونصف واستخدام الشبكات العصبية في مسائل مناخية، لكنه يتميز بدمج نقاط القوة في المنهجين الخطي وغير الخطي في نموذج واحد.
استخدم المؤلفون تشغيلًا نموذجيًا للمناخ قبل الثورة الصناعية بطول 2000 عام من نموذج CESM2، واستخرجوا منه شذوذ درجة حرارة سطح البحر (SSTA) وشذوذ ارتفاع سطح البحر (SSHA) في المحيط الهادئ الاستوائي. قسّموا البيانات إلى 1500 عام للتدريب و300 عام للتحقق و200 عام للاختبار. أولًا بنوا نموذجًا عكسيًا خطيًا دوريًا ثابتًا (CS-LIM) يراعي الدورة الموسمية وذاكرة المحيط عبر SSHA. ثم درّبوا شبكة LSTM على التنبؤ بالفرق بين تنبؤ CS-LIM والبيانات الفعلية، أي التصحيح غير الخطي. عالجت الشبكة مجموعة من 16 تنبؤًا من CS-LIM وأخرجت مجموعة مصححة. للمقارنة، درّبوا نماذج LSTM وConvLSTM صافية بنفس البنية.
مع 1500 عام من التدريب، أظهر النموذج الهجين LIM-LSTM تحسنًا ملحوظًا في المهارة مقارنة بـ CS-LIM لآفاق زمنية تتجاوز 6 أشهر. كان التحسن الأكبر في غرب المحيط الهادئ الاستوائي حيث تكون التغذيات الراجعة غير الخطية بين المحيط والغلاف الجوي أقوى. عند تقليص عينة التدريب إلى 100-300 عام، حافظ الهجين على مهارة أعلى من 0.5 وفق معامل الارتباط الشاذ لتنبؤ 12 شهرًا، بينما انخفضت LSTM الصافية إلى أقل من 0.4. فقط بعد 500 عام من التدريب تمكنت LSTM الصافية من اللحاق بالهجين. كما تنبأ الهجين بدقة أكبر بسعة أحداث النينيو القوية وأعاد إنتاج عدم التماثل بين الأحداث الدافئة والباردة، وهو ما لا يراه النموذج الخطي.
يُظهر العمل أن المنهج الهجين يسمح باستخراج قابلية تنبؤ غير خطية من بيانات محدودة، وهي غير متاحة للنماذج الخطية الصافية أو الشبكات العصبية الصافية. على عكس الأعمال المجاورة التي إما تحسّن النماذج الخطية أو تبني شبكات عصبية كبيرة على بيانات نموذجية، هنا ولأول مرة دُرست منهجيًا علاقة المهارة بطول عينة التدريب للهجين والشبكات العصبية الصافية. هذا يغيّر الفكرة حول الحد الأدنى لحجم البيانات اللازم للتنبؤ الموسمي بالنينيو.
من الواعد تطبيق هذا الهجين على بيانات إعادة التحليل الحقيقية، والتي تمتد لحوالي 100-150 عامًا فقط، والتحقق مما إذا كانت الميزة ستستمر. من الممكن استخدام طرق تكييف المجال لنقل نموذج مدرَّب على محاكاة مناخية إلى الملاحظات. من المهم أيضًا فهم العمليات غير الخطية التي تلتقطها LSTM وما إذا كان يمكن ربطها بالآليات المعروفة لعدم تماثل النينيو.
يمكن للنتائج تحسين التنبؤات الموسمية التشغيلية للنينيو وما يرتبط بها من شذوذ في هطول الأمطار ودرجة الحرارة. المنهج الهجين قابل للتطبيق أيضًا على أنماط مناخية بطيئة أخرى، مثل التذبذب العشري للمحيط الهادئ.
اختبار النموذج على بيانات الملاحظات وإعادة التحليل، وليس فقط على المناخ النموذجي. والتحقيق في الآليات غير الخطية المسؤولة عن تحسين التنبؤ في غرب المحيط الهادئ.
يرتبط العمل مباشرة بمشكلة محدودية بيانات الملاحظات لتدريب نماذج التنبؤ الموسمي. كما يتناول مسألة أي جزء من قابلية تنبؤ النينيو توفره العمليات الخطية وأي جزء توفره العمليات غير الخطية، وهي مسألة ما زالت مفتوحة في علم المناخ.
هذا القسم موجَّه إلى مؤلف العمل وزملائه. الأعمال المجاورة عثر عليها بحثٌ دلالي في أرشيفنا، لا بتطابق الكلمات. نحن لا نقيّم العمل: نعرض الحقل من حوله.
ماذا يفعل هذا العمل
دمج المؤلفون النموذج الخطي العكسي الدائري (CS-LIM) مع شبكة LSTM تُدرَّب على أخطاء نموذج LIM، وأظهروا أن النموذج الهجين يتفوق على كلا النموذجين المنفردين على بيانات نموذجية تمتد من 100 إلى 500 عام، خاصة في غرب المحيط الهادئ الاستوائي لفترات زمنية تتجاوز 9 أشهر، حيث يلتقط عدم تماثل ظاهرة النينيو.
أين تكمن قوته
الدراسة المنهجية لتأثير طول مجموعة التدريب على مهارة النموذج الهجين والشبكات العصبية المنفردة هي نتيجة نادرة وقيمة، توضح كيفية استخلاص قابلية تنبؤ غير خطية من بيانات محدودة.
إلى أين يمكن المضي
يستحق التجربة
لماذا قد يكون هذا مهمًا
إذا تأكد النهج الهجين على البيانات الحقيقية، فقد يقلل من متطلبات حجم بيانات التدريب للتنبؤات الموسمية، وهو أمر مهم بشكل خاص للمناطق التي لديها سلاسل ملاحظات قصيرة.
أعمال قريبة في أرشيفنا
الأرشيف خالٍ حول هذا العمل: أقرب تحليل عند 0.52 فقط، مقابل 0.64 المعتادة. يبدو أن الحفر بجواره كان نادرًا.
لتغطية كاملة لتنوع أحداث النينيو بين السنوات، قد نحتاج إلى حوالي 500 عام من الملاحظات، لكن البيانات الساتلية متاحة فقط لآخر 40 عامًا.
في رواية كيم ستانلي روبنسون «أربعون علامة مطر»، يصبح التنبؤ الدقيق بالنينيو مسألة أمن قومي، وفي الواقع تحاول النماذج الهجينة استخلاص أقصى استفادة من سلاسل البيانات القصيرة.